Aplicación de la regresión lineal en un problema de pobreza

Application of linear regression on the problem of poverty

Diego Fernando Cardona Madariaga*
Javier Leonardo González Rodríguez**
Miller Rivera Lozano***
Edwin Hernán Cárdenas Vallejo****
Universidad del Rosario

Recibido: 25-07-13 /Aceptado: 01-11-13

Resumen
Este artículo pretende mostrar al profesional de cualquier área, las bondades de la estadística
inferencial en lo referente al análisis de regresión lineal simple. Para ello se recurre a la observación
de algunas situaciones de la administración y la ingeniería y en particular, al desarrollo de un caso
aplicado a la economía colombiana.

Palabras clave: Regresión lineal, estadística inferencial.

Abstract
This article attempts to demonstrate to professionals in any field the importance of inferential
statistics with regard to simple linear regression analysis. To accomplish this we turn to the
observation ofa few situations ofadministration and engineering and in particular, the development
of a case applied to the Colombian economy.

Key words: lineal regression analysis, inferential statistics.

*
Matemático, Ingeniero Civil, MSc y PhD en Ciencias Administrativas; profesor titular de la Escuela de Administración de la Universidad
del Rosario con funciones de director del Doctorado en Ciencias de la Dirección. Correo electrónico: diego.cardona@urosario.
edu.co.
**
Médico, Especialista en Salud Pública y Ph. D. en Economía y Gestión de la Salud; profesor principal de la Escuela de Administración
de la Universidad del Rosario con funciones de director de la Maestría en Administración de la Salud y Especializaciones de Gerencia
en la Salud. Correo electrónico: javier.gonzalez@urosario.edu.co
***
Ingeniero de Sistemas, Especialista en Auditoría de Sistemas e Ingeniería de Software, M. Sc. en Administración; con funciones
de coordinador del Laboratorio de Modelamiento y Simulación en la Escuela de Administración de la Universidad del Rosario.
Correo electrónico: miller.rivera@urosario.edu.co
****
Ingeniero Electrónico, Especialista en Educación Matemática, aspirante a Magister en Educación, con funciones de docencia
en la Secretaría de Educación Distrital de Bogotá y Corporación Unificada Nacional de Educación Superior. Correo electrónico:
edwin_cardenas@cun.edu.co
 Aplicación de la regresión lineal en un problema de pobreza
74 Diego Fernando Cardona Madariaga, Javier Leonardo González Rodríguez, Miller Rivera Lozano, Edwin Hernán Cárdenas Vallejo
Introducción
Enlamayoríadelas investigaciones –sin importar el
campo del conocimiento en las que se desarrollen–
en las cuales se realicen mediciones, observaciones
o experimentos de donde se obtengan datos de
diferentes variables; es fundamental determinar
algún tipo de relación de dependencia entre
las variables con el fin de hacer predicciones o
pronósticos de eventos futuros de acuerdo con el
comportamiento de ellas. Por ejemplo, existen un
gran número de estudios en administración donde
se demuestra la relación de dependencia entre
los gastos en publicidad y el volumen de ventas
de cierto producto; también, en economía, se ha
demostrado la relación entre la demanda u oferta
de cierto producto con respecto al número de
artículos que se han colocado en el mercado; y así
mismo, la relación entre la variación en el precio de
ese producto y la cantidad de unidades producidas.
En medicina, se han efectuado estudios de la
reducción del peso de una persona en términos
del número de semanas que ha seguido una dieta
específica; o la cantidad demedicamento absorbido
por el organismo en función del tiempo.
En otro caso, los ingenieros civiles saben que el
concreto de alta calidad tiene unos componentes
específicos en las concentraciones adecuadas y que
la resistencia del material disminuye conforme ese
concreto se mezcle con otros elementos; pero el
concreto más puro aumenta muchísimo los costos
de la obra, entonces al ingeniero le interesará
hacer un análisis y encontrar la relación entre
porcentaje de pureza del concreto y su resistencia
y también la relación entre porcentaje de pureza
del concreto y costo de la obra para determinar
el nivel óptimo de resistencia que exige la obra
sin exceder el presupuesto y sin bajar la calidad.
Algunos profesionales, sin importar su especia-
lidad, confían en su intuición para juzgar como
ISSN 1657-7531 | Revista Interacción Vol. 12 | Octubre 2012-2013 | págs. 73-84
Universidad Libre | Facultad de Ciencias de la Educación
se relacionan dos variables. Debido a ello, hacen
pronósticos a tientas e incluso temerarios; sin
embargo, si dichos profesionales tienen la posibi-
lidad de tomar datos y utilizar un procedimiento
estadístico de análisis para determinar cómo lo
conocido se relaciona con el evento futuro, podrían
ayudar considerablemente en el mejoramiento
de los procesos que administran o en la solución
eficaz de los problemas que se les presentan.
El procedimiento estadístico que se utiliza para
este fin se conoce como análisis de regresión
que permite establecer la relación funcional o
ecuación matemática que relaciona las variables,
así como la fuerza de esa relación.
El término regresión fue utilizado por primera
vez como un concepto estadístico en 1877 por
sir Francis Galton, quien llevó a cabo un estudio
que mostró que la estatura de los niños nacidos
de padres altos tiende a retroceder o “regresar”
hacia la estatura media de la población. Designó
la palabra regresión como el nombre del proceso
general de predecir una variable (la estatura de
los niños) a partir de otra (la estatura del padre o
de la madre). Más tarde, los estadísticos acuñaron
el término regresión múltiple para describir el
proceso mediante el cual se utilizan varias variables
para predecir otra. (Devore, 2005)
En la terminología de la regresión, la variable que
se va a predecir se llama dependiente, a explicar,
o endógena. La o las variables que se usan para
predecir el valor de la variable dependiente se
llaman independientes, explicativas o exógenas.
En general, existen cuatro posibles formas en que
las variables se pueden relacionar, a saber: Relación
lineal directa, relación lineal inversa, relación no
lineal directa y relación no lineal inversa (Figura
1), cuya estructura formal y funcional, permite
dilucidar con objetividad las actividades orientadas
a decidir qué ecuación se debe emplear, cuál ha
 Revista
INTERACCIÓN
75

de ser la ecuación que mejor se ajusta a los datos
y cómo debe validarse la significancia estadística
de los pronósticos realizados.
Figura 1. Tipos de relación entre dos variables.
se aproxima por medio de una línea recta. A esto
se le llama regresión lineal simple.
Este análisis se aplicará a una situación particular
en el campo de la economía.

Una aplicación del modelo de regresión lineal

Con el fin de estudiar este modelo, se emplearán los
datos tomados de una muestra real, extraídos de
un comunicado de prensa que revela el porcentaje
de pobreza, pobreza extrema y el coeficiente de
Gini (indicador de la desigualdad económica en
una población) en los años 2010 y 2011 de las
trece principales ciudades de Colombia.

Muchos autores que han hecho estudios sobre

En este artículo sedescribirá el análisis deregresión
donde intervienen una variable dependiente y una
independiente, y en la cual la relación entre ellas
modelos de regresión, entre los que se pueden
citar a: Anderson, D. R., Sweeney, D. J., & Williams,
T. A. (2001), Devore, J. L. (2005), Evans, M., &
Rosenthal, J. S. (2005), Freund, J. E., & Simon,
G. A. (1994), Levin, R. I., & Rubin, D. S. (2004)
y Miller, I. (2000); coinciden en que siempre que
se analizan datos observados o recopilados para

Tabla 1. Datos de pobreza en Colombia en 2010 y 2011.

Nueva Metodología
Dominio Pobreza Pobreza Extrema Gini
2010 2011 2010 2011 2010 2011
Pasto 43,2 40,6 11,7 8,8 52,3 52,2
Montería 39,7 37,5 6,7 6,5 52,5 53,0
Barranquilla 39,5 34,7 7,4 5,3 49,7 47,2
Cúcuta 39,3 33,9 8,4 5,7 47,9 47,1
Cartagena 34,2 33,4 6,2 4,7 48,9 48,8
Cali 26,1 25,1 6,4 5,2 52,9 50,4
Villavicencio 25,4 23,0 4,8 4,0 46,7 46,7
Ibagué 26,6 22,0 4,3 2,7 49,5 44,9
Pereira 26,8 21,6 3,8 2,2 45,6 45,1
Manizales 23,8 19,2 4,7 2,3 49,5 47,1
Medellín 22,0 19,2 5,6 4,0 53,8 50,7
Bogotá 15,5 13,1 2,6 2,0 52,6 52,2
Bucaramanga 10,9 10,7 1,2 1,1 45,0 44,9

Fuente: DANE (2012)

ISSN 1657-7531 | Revista Interacción Vol. 12 | Octubre 2012-2013 | págs. 73-84

Universidad Libre | Facultad de Ciencias de la Educación
 Aplicación de la regresión lineal en un problema de pobreza
76 Diego Fernando Cardona Madariaga, Javier Leonardo González Rodríguez, Miller Rivera Lozano, Edwin Hernán Cárdenas Vallejo
llegar a una función o ecuación matemática que
describa la relación entre las variables por medio de
una regresión, se deben enfrentar tres problemas:
1. Decidir qué clase de curva muestran los puntos
y por tanto qué clase de ecuación se debe usar.
2. Encontrar la ecuación particular que mejor se
ajuste a los datos.
3. Demostrar que laecuaciónparticular encontrada
cumple con ciertos aspectos referentes a los
méritos de ésta para hacer pronósticos
Para decidir qué clase de función podría ajustarse
a la curva, de acuerdo con las posibilidades de la
figura 1, debe hacerse una gráfica de dispersión
de los datos observados. Si en dicha gráfica se
aprecia que los puntos se distribuyen alrededor
de una recta, se procede a realizar un análisis de
regresión lineal.
Figura 2. Gráfica de dispersión de los datos de
pobreza en Colombia.
La gráfica de dispersión nos sugiere que existe
una relación lineal entre la variable independiente
porcentaje de pobreza en 2010 y la variable
dependienteporcentajedepobrezaen2011(Figura2)
El modelo de regresión lineal simple es:
ISSN 1657-7531 | Revista Interacción Vol. 12 | Octubre 2012-2013 | págs. 73-84
Universidad Libre | Facultad de Ciencias de la Educación
De acuerdo con Anderson, et al. (2001), en este
modelo, es una función lineal de (la parte
) más que representa el término de
error y explica la variabilidad en que no se puede
explicar con la relación lineal. A este término se
le asocian los siguientes supuestos
1. El término de error es una variable aleatoria con
media o valor esperado igual a cero;
2. La varianza de , representada por σ2, es igual
para todos los valores de . Esto implica que
la varianza de y es igual a σ2 y es la misma para
todos los valores de .
3. Los valores de son independientes. El valor de
para un determinado valor de x no se relaciona
con el valor de para cualquier otro valor de ;
así, el valor de para determinado valor de
no se relaciona con el valor de y para cualquier
otro valor de
4. El término de error, , es una variable aleatoria
con distribución normal.
Losvalores delosparámetros noseconocen
y deben estimarse a partir de los datos de la
muestra . Estos coeficientes que se calculan de la
muestra son conocidos como regresores ( ).
La ecuación estimada de regresión es
Para calcular los regresores se emplea el método de
los mínimos cuadrados el cual es un procedimiento
que se remonta al inicio del siglo XIX por el trabajo
del matemático francés Adrien Legendre
Criterio de los mínimos cuadrados
Este método emplea los datos de la muestra para
determinar las características de la recta que
hacen mínima la suma de los cuadrados de las
desviaciones:

Siendo:
yi = valor observado de la variable dependiente
para la i-ésima observación.
= valor estimado de la variable dependiente
para la i-ésima observación.
Minimizar el miembro derecho de la ecuación
(3) implica calcular las derivadas parciales de
la expresión con respecto a los coeficientes de
regresión e igualar a cero las dos derivadas.
Al finalizar este procedimiento se llega a las
siguientes ecuaciones, conocidas como ecuaciones
normales. (Walpole & Myers, 1999)
Ecuaciones normales
Donde n es el número de observaciones.
Alresolver algebraicamente el sistema deecuaciones
anterior se obtienen las soluciones para .
Con el fin de evitar desarrollos algebraicos y
aritméticos engorrosos se utilizará la hoja de
cálculo EXCEL®. Al ingresar los datos de la tabla 1
y empleando la herramienta ANÁLISIS DE DATOS
en la opción REGRESIÓN, se obtiene la siguiente
información:
Tabla 2. Coeficientes de regresión e intervalos
de confianza.
Coef Err típ Estad t Probab Inf 95% Sup 95%
Intercep -1,31 1,530 -0,859 0,408 -4,682 2,053
Var X 1 0,941 0,051 18,6 0,000 0,830 1,053
En esta tabla los valores de intercepción y variable
X1 hacen referencia a los coeficientes
ISSN 1657-7531 | Revista Interacción Vol. 12 | Octubre 2012-2013 | págs. 73-84
Revista
INTERACCIÓN
77
respectivamente. Remplazando estos datos en la
ecuación 2, se tiene que la ecuación de regresión
para las variables pobreza en 2010 y pobreza en
2011 es:
Elcoeficiente también corresponde alapendiente
de la recta. En general, este coeficiente expresa
la razón de cambio entre la variable dependiente
con respecto a un cambio unitario en la variable
independiente .
En el ejemplo, la pendiente de la recta es positiva,
lo que implica que en las ciudades donde se observó
mayor pobreza en 2010, también se observó
mayor pobreza en 2011. Pero como la pendiente
es un número entre cero y uno, significa que el
incremento en el porcentaje de pobreza en 2011
entre una ciudad y otra es menor que en el 2010.
Con respecto a los casos enunciados en la
introducción, se puede decir que si la relación
entre los gastos en publicidad y el volumen de
ventas del producto es lineal; el regresor estimado
indicaría la cantidad en que se incrementan
las ventas por cada unidad monetaria en que se
incremente el gasto en publicidad.
Así mismo, si la relación entre la cantidad de masa
que la persona pierde y el número de semanas que
sigue la dieta es lineal; el coeficiente indicaría el
peso perdido por semana y con ello el nutricionista
podría predecir la cantidad de masa que perdería
el paciente en un cierto número de semanas o
determinar la cantidad de semanas necesarias
para que el paciente pierda el peso deseado.
Análisis de regresión
Con el fin de determinar la pertinencia de la
ecuación de regresión hallada, es necesario hacer
un análisis de la bondad de ajuste de la recta,
demostrar si la relación es estadísticamente
Universidad Libre | Facultad de Ciencias de la Educación
 Aplicación de la regresión lineal en un problema de pobreza
78 Diego Fernando Cardona Madariaga, Javier Leonardo González Rodríguez, Miller Rivera Lozano, Edwin Hernán Cárdenas Vallejo
significativa y validar los supuestos acerca del
término de error.
Para ello se deben calcular los siguientes
estadísticos:
El coeficiente de determinación:
Es una medida de la bondad de ajuste para una
ecuación de regresión.
Para la i-ésima observación de la muestra, la
desviación entre el valor observado de la variable
dependiente yi y el valor estimado de la variable
dependiente , se llama i-ésimo residual.
Representa el error que se comete al usar para
estimar yi.
La suma de los cuadrados de esos residuales es
lo que se minimiza en el método de mínimos
cuadrados. También se le conoce como la suma
de los cuadrados debidos al error (SSE)
El valor de SSE es una medida del error que se
comete al usar la ecuación de regresión para
calcular los valores de la variable dependiente
en la muestra.
Otro valor de importancia es la medida del error
incurrido al usar para estimar yi, llamado suma
total de cuadrados (SST):
Para saber cuánto se desvían los valores de
medidos en la línea de regresión, de los valores
de , se calcula otra suma de cuadrados. A esa
suma se le llama suma de cuadrados debida a la
regresión, y se representa por SSR.
ISSN 1657-7531 | Revista Interacción Vol. 12 | Octubre 2012-2013 | págs. 73-84
Universidad Libre | Facultad de Ciencias de la Educación
Existe una relación entre las tres sumas:
Ahora bien, es posible entender cómo se pueden
emplear las tres sumas de cuadrados para
suministrar una medida de la bondad de ajuste
para la ecuación de regresión.
Esa ecuación tendría un ajuste perfecto si cada
valor observado de la variable independiente
estuviera sobre la línea de regresión. En este caso
cada diferencia sería cero, por tanto SSE=0.
De la ecuación (4) se tendría que SST=SSR y por
consiguiente la relación SSR/SST sería igual a 1
como el máximo ajuste. De manera análoga, los
ajustes menos perfectos darán como resultado
mayores valores de SSE. En consecuencia, de (4)
se deduce que el máximo valor de SSE se tiene
cuando SSR es cero.
La relación SSR/SST, se denomina coeficiente de
determinación y se representa por r2.
Expresando este valor como un porcentaje, se
puede interpretar a r2 como el porcentaje de la
variación de los valores de la variable dependiente
que se puede explicar con la ecuación de regresión.
(Levin & Rubin, 2004)
Para el caso que se está analizando, el programa
EXCEL® entrega también la siguiente información
Tabla 3. Estadísticos de la regresión.
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,984467
Coeficiente de determinación R^2 0,969175
R^2 ajustado 0,9663728
Error típico 1,73579
Observaciones 13

Análisis de varianza
Grados de
Suma de cuadrados
libertad
Regresión 1 1042,046578
Residuos 11 33,14265228
Total 12 1075,189231
Promedio de los
F Valor crítico de F
cuadrados
1042,046578 345,854 1,16437E-09
3,012968389
La tabla 3 muestra el valor de SSE, SSR Y SST en la
columna que indica la suma de cuadrados, de alli
se obtiene el coeficiente r2 que aparece (0,969175).
Esto revela que la ecuación de regresión explica en
un 96,92% los valores observados de la pobreza
en 2011 según los valores de pobreza en 2010.
En la mayoría de situaciones prácticas no es común
obtener coeficientes de determinación tan altos,
pero existen valores aceptables que varían de
acuerdo con la rama del conocimiento sobre el
que se verse el estudio o investigación.
Coeficiente de correlación:
Es la segunda medida que se usa para describir qué
tan bien explica una variable a la otra. El coeficiente
de correlación de la muestra se denota por r y es
la raíz cuadrada del coeficiente de determinación:
El signo del coeficiente indica si la relación es
directa o inversa.
La tabla 3 muestra un coeficiente de correlación
muy alto (r = 0,9845), lo que implica una relación
de dependencia lineal muy fuerte entre los valores
de pobreza de 2010 y 2011 en la principales
ciudades de Colombia.
Es importante resaltar que el coeftciente de
correlación solo mide la fuerza de asociación
ISSN 1657-7531 | Revista Interacción Vol. 12 | Octubre 2012-2013 | págs. 73-84
Revista
INTERACCIÓN
79
en una relación lineal, el coeficiente de
determinación se puede usar en relaciones no
lineales y en relaciones con dos o más variables
independientes. En este sentido, el coeficiente de
determinación tiene mayor aplicabilidad. (Walpole
& Myers, 1999)
Los coeficientes de determinación y correlación no
son suficientes para llegar a la conclusión acerca
de si la relación es estadísticamente significativa.
Esa conclusión se debe basar en consideraciones
donde intervenga el tamaño de la muestra y las
propiedades de las distribuciones muestrales
adecuadas de los estimadores de los mínimos
cuadrados.
Pruebas de significancia
La ecuación de regresión lineal simple indica
que el valor medio esperado de es una función
lineal de :
Si =0, entonces E(y)= . En este caso el valor
medio de no depende del valor de y se concluye
que no existe relación lineal entre las variables. En
forma análoga, si el valor de no es igual a cero,
se concluye que las dos variables se relacionan.
Así, para probar si hay alguna relación importante
de regresión debemos efectuar una prueba de
hipótesis para determinar si el valor de β es cero.
Existendos pruebas queseusancon más frecuencia
y para ellas se necesita un estimado de la varianza
del error en el modelo de regresión.
Estimado de σ2
La varianza de , también representa la varianza
de los valores de respecto a la línea de regresión.
Así, la suma de los residuales al cuadrado, SSE, es
una medida de la variabilidad de las observaciones
reales respecto a la línea de regresión. Cada suma
de cuadrados tiene asociado un número que
Universidad Libre | Facultad de Ciencias de la Educación
 Aplicación de la regresión lineal en un problema de pobreza
80 Diego Fernando Cardona Madariaga, Javier Leonardo González Rodríguez, Miller Rivera Lozano, Edwin Hernán Cárdenas Vallejo

llamamos grados de libertad. Se ha demostrado En una gráfica de residuales se puede presentar

que SSE tiene n–2 grados de libertad, porque se alguno de estos patrones.
deben estimar dos parámetros y .
Figura 3. Patrones de una gráfica de residuales.
El error cuadrado medio (s2) es el estimado de σ2.
Se calcula mediante la ecuación:

Desviación estándar de la estimación

El error típico o desviación estándar del estimado

se calcula como la raíz cuadrada de la varianza
del estimado.

La tabla 3 muestra un error típico de 1,73579

Las pruebas de significancia que se efectúan son:
la prueba t y la prueba F.
La explicación detallada acerca de la obtención de
estos estadísticos de prueba t y F se encuentra en
Rivera, M., & Cárdenas V., E. (2013)
La tabla 3 muestra el valor del estadístico deprueba
F y la tabla 2 el valor del estadístico de prueba t
para . En ambos casos el valor de probabilidad o
valor crítico es practicamente cero lo cual implica
que la relación es estadísticamente significativa.
Si la relación de dependencia hallada cumple la
hipótesis de que la varianza de es igual para todos
los valores de x y si el modelo de regresión lineal es
una representación adecuada de la relación entre
las variables; entonces, la gráfica debe mostrar
un patrón muy similar a una franja horizontal de
puntos (figura 3a).
Para el caso que se está analizando, la herramienta
de regresión de EXCEL® da la posibilidad de
mostrar este tipo de gráficas y hacer un análisis
de residuales

Análisis de Residuales Figura 4. Gráfica de residuales.

Este análisis permite validar los supuestos del

modelo con respecto al error y se basa en el examen
de varias gráficas a saber:

• Gráfica delosresiduales en función delavariable

independiente.
• Gráfica de residuales estandarizados.
• Gráfica de probabilidad normal.

ISSN 1657-7531 | Revista Interacción Vol. 12 | Octubre 2012-2013 | págs. 73-84

Universidad Libre | Facultad de Ciencias de la Educación

Esta gráfica no muestra un patrón que haga dudar
sobre la hipótesis de que la varianza es constante.
La gráfica de residuos estandarizados muestra el
mismopatrónquelaanterioryseusaparaobservar
la existencia de valores atípicos o influyentes. Si el
error se distribuye en forma normal, los residuos
deben estar en el rango de dos desviaciones
estándar.
Figura 5. Gráfica de residuales estandarizados.
En la gráfica se observa que todos los residuales
se encuentran en el intervalo de dos desviaciones
estándar.
La gráfica de probabilidad normal, también se usa
para validar el supuesto de que el error tiene una
distribución normal. Esta gráfica debe mostrar
una recta.
Figura 6. Gráfico de probabilidad normal.
ISSN 1657-7531 | Revista Interacción Vol. 12 | Octubre 2012-2013 | págs. 73-84
Revista
INTERACCIÓN
81
Uso de la ecuación de regresión para
estimar y predecir
Si el análisis de la ecuación de regresión obtenida
con los datos demuestra que existe una relación
estadísticamente significativa entre las variables,
y si el ajuste que proporciona la ecuación es bueno,
esa ecuación podría usarse para estimaciones y
predicciones.
Estimación de intervalo
Al hacer una estimación puntual de un valor de
dado un valor de , no se tiene idea alguna de la
precisión asociada con el valor estimado.
Con ese fin, se determinan estimaciones de
intervalo. El primer tipo de estimado es el de
intervalo de confianza, que es un estimado del valor
medio de para determinado valor de . Elsegundo
tipo es el estimado de intervalo de predicción, que se
usa cuando deseamos un estimado de intervalo de
valor individual de que corresponda adeterminado
valor de . Con la estimación puntual se obtiene el
mismo valor, sea que estemos estimando el valor
medio de o prediciendo un valor individual de
, pero con los estimados de intervalo se obtienen
valores distintos. (Freund & Simon, 1994)
Estimado del intervalo de confianza del
valor medio de
Al estimar el porcentaje promedio de pobreza en
2011 de todas las ciudades que en 2010 mostraron
un índice de pobreza de 25,3%. El estimado de
E(yp), el valor medio desconocido, es:
Donde es el estimado del valor particular de .
Dado que no se puede esperar que sea
exactamente igual a . Entonces es necesario
Universidad Libre | Facultad de Ciencias de la Educación
 Aplicación de la regresión lineal en un problema de pobreza
82 Diego Fernando Cardona Madariaga, Javier Leonardo González Rodríguez, Miller Rivera Lozano, Edwin Hernán Cárdenas Vallejo
considerar la varianza de los estimados basados
en la ecuación de regresión. La fórmula para
estimar la desviación estándar de dado un valor
particular de , es:
La ecuación general para un estimado del intervalo
de confianza de E(yp) dado un valor particular
de es:
En donde el coeficiente de confianza es 1–α y
se basa en una distribución t con n–2 grados de
libertad.
Para determinar un estimado de intervalo de
confianza de 95% para el porcentaje promedio
de pobreza en 2011 de todas las ciudades que en
2010 mostraron un índice de pobreza de 25,3%,
necesitamos el valor de t para α/2=0.025 y n–2=
11 grados de libertad. Así, con =22,5 t0.025=2,201
y =0,5111, tenemos:
Entonces, con una confianza del 95% sepuededecir
que el porcentaje promedio de pobreza en 2011
de todas las ciudades que en 2010 mostraron un
índice de pobreza de 25,3% está entre 21,375%
y 23,625%.
Obsérvese que la desviación estándar estimada de
expresada en la ecuación (5) es mínima cuando
. Esto implica que se puede hacer el mejor
estimado, o el más preciso, del valor medio de
siempre que se use el valor medio de .
En la estimación y la inferencia, un error común es
suponer que la línea de regresión, así el ajuste sea
ISSN 1657-7531 | Revista Interacción Vol. 12 | Octubre 2012-2013 | págs. 73-84
Universidad Libre | Facultad de Ciencias de la Educación
muy bueno (valor de r2 muy alto), puede aplicarse
en cualquier intervalo de valores. Aun cuando una
relación se cumpla para el intervalo de puntos de la
muestra, puedeexistir una relación completamente
distinta para un intervalo diferente. Por ejemplo,
la relación gastos en publicidad y volumen de
ventas puede ser lineal para cierto intervalo de
gasto o inversión publicitaria pero en la medida
que el público conozca del producto y se sature de
publicidad esa relación ya no será lineal, pues las
ventas no se incrementarán en la misma medida
que incrementa la inversión en publicidad.
Una ecuación de estimación es válida para el
mismo rango dentro del cual se tomó la muestra
inicialmente (Levin & Rubin, 2004). Sin
embargo, si el investigador tiene la certeza de
que el comportamiento entre las variables será
el mismo en otros intervalos fuera del rango de
la muestra, entonces puede usar la ecuación para
hacer predicciones.
Estimado del intervalo de predicción para
un valor particular de y
Para este análisis, se supone que en vez de estimar
el valor medio del porcentaje de pobreza, deseamos
estimar el porcentaje de pobreza en 2011 para la
ciudad de Armenia con un índice de pobreza de
25,3% en 2010.
El estimado para ese valor particular por medio
de la ecuación de regresión es:
Que es el mismo valor que el estimado puntual
para el porcentaje promedio.
Para determinar un estimado del intervalo de
predicción debemos determinar primero la
varianza asociada al empleo de como estimado
de un valor individual de . Esta varianza está
formada por la suma de dos componentes:

1. La varianza de los valores individuales de
respecto del promedio cuyo estimado es
2. La varianza asociada al uso de para estimar
E( ) cuyo estimado es .
Así, el estimado de la varianza de un valor
individual es:
Por consiguiente, un estimado de la desviación
estándar de un valor un individual de es:
La ecuación general para un estimado del intervalo
de predicción para un valor individual de dado
un valor particular de x es:
En donde el coeficiente de confianza es 1–α y
se basa en una distribución t con n–2 grados de
libertad.
Para determinar un estimado de intervalo de
predicción de 95% para el porcentaje de pobreza
en 2011 de la ciudad de Armenia que en 2010
mostró un índice de pobreza de 25,3%, se necesita
el valor de t para α/2=0.025 y n–2= 11 grados de
libertad. Así, con =22,5, t0.025=2,201 y =
1,8095, se tiene:
Entonces, con una confianza del 95% sepuededecir
que el porcentaje de pobreza en 2011 de la ciudad
de Armenia que en 2010 tenía un porcentaje de
pobreza de 25,3% está entre 18,52% y 26,48%.
De acuerdo con lo anterior, el intervalo de
predicción es mayor que el intervalo de confianza.
ISSN 1657-7531 | Revista Interacción Vol. 12 | Octubre 2012-2013 | págs. 73-84
Revista
INTERACCIÓN
83
Estimación de los parámetros del modelo
de regresión lineal
Uno de los conceptos fundamentales sobre el
que se ha basado este análisis, es que la ecuación
de regresión lineal obtenida a partir de los datos
de la muestra es un estimado de los parámetros
del modelo para la población. Por lo tanto, es
posible determinar intervalos de confianza para
los coeficientes de la ecuación de regresión:
La tabla 2 muestra los valores inferior y superior
para el intervalo de confianza del 95% de los
parámetros del modelo, de tal forma que:
Con esta información, el investigador encuentra
que la tasa de incremento de la pobreza en
2011 está entre 0,83% y 1,053% por cada 1%
de incremento de la pobreza en 2010 entre una
ciudad y otra. Además con las predicciones y
estimaciones hechas puede hacer conclusiones
sobre la situación de pobreza esperada en las
principales ciudades del país y si este investigador
tiene un cargo de responsabilidad e influencia en
el gobierno colombiano, puede generar propuestas
para disminuir significativamente esos índices.
Finalmente, es importante mencionar que se
puede cometer otro error al utilizar el análisis
de regresión, y es suponer que un cambio en una
variable es “ocasionado” por un cambio en la otra
variable. Los análisis de regresión y correlación no
pueden, de ninguna manera, determinar la causa
y el efecto. Si se dice que existe una relación lineal
Universidad Libre | Facultad de Ciencias de la Educación
 Aplicación de la regresión lineal en un problema de pobreza
84 Diego Fernando Cardona Madariaga, Javier Leonardo González Rodríguez, Miller Rivera Lozano, Edwin Hernán Cárdenas Vallejo
entre el número de canas y de arrugas que van
apareciendo en una persona, no se puede decir
que una ocasiona la otra pues es muy posible que
existan otras variables asociadas que sean la causa;
en este caso la edad de la persona, por ejemplo.
La validez de una conclusión de tipo causa y efecto
requiere de una justificación teórica, o del buen juicio
por parte del analista. (Anderson, Sweeney, &
Williams, 2001)
Conclusiones
El análisis de regresión lineal simple, como parte
de la inferencia estadística, es fundamental para
determinar relaciones de dependencia lineal entre
variables y establecer su validez con el fin de hacer
estimaciones y predicciones dentro de un intervalo
de confianza deseado.
Obtener una ecuación de regresión que describe
el comportamiento lineal entre dos variables
permite pronosticar valores futuros de la variable
bajo análisis con cierto grado de certeza, lo cual
constituye una herramienta poderosa pues le da
al profesional la posibilidad de hacer ajustes en los
procesos, tomar decisiones o establecer políticas.
Por ejemplo, si un profesional en ciencias políticas
o administración pública utiliza el estudio sobre
índices de pobreza realizado con los datos de las
trece principales ciudades del país yconcluye que los
valores observados y estimados están pordebajo de
lamediaen América Latina oqueestán pordebajo de
lameta nacional; podría establecer un programa que
disminuya en forma eficaz esos índices de pobreza.
Así mismo, si un administrador o economista
realiza el análisis sobre la relación de dependencia
entre el gasto en publicidad y el volumen de ventas
de un producto podría determinar la inversión
óptima en publicidad para ese producto y obtener
el máximo de ventas o predecir la cantidad de
unidades vendidas de acuerdo con un valor
invertido en publicidad.
Apesardeloimportantequeresultaserparacualquier
profesional el conocimiento y uso del análisis de
ISSN 1657-7531 | Revista Interacción Vol. 12 | Octubre 2012-2013 | págs. 73-84
Universidad Libre | Facultad de Ciencias de la Educación
regresión, es unaherramientamuypocoaprovechada
comolodemuestran un gran número de trabajos de
gradoa nivel deposgradoy trabajos de investigación
en los cuales el desarrollo estadístico solo se limita
a la parte descriptiva y no a la inferencial.
Referencias
Anderson, D., Sweeney, D. & Williams, T. (2001).
Estadística para administración y economía (7a
ed., Vol. II). México: Thomson.
DANE. (17 de mayo de 2012). “Pobreza en Colombia”.
Comunicado de prensa, 6.
Devore, J. L. (2005). Probabilidad y estadística para
ingeniería y ciencias. (6a ed.). México: Thomson
Learning.
Evans, M. & Rosenthal, J. (2005). Probabilidad y
estadística. La ciencia de la incertidumbre.
Barcelona: Reverté.
Freund, J. & Simon, G. (1994). Estadística elemental.
(8a ed.). México: Prentice Hall.
Levin, R. & Rubin, D. (2004). Estadística para
administración y economía. México: Pearson
Educación.
Lopera, C. (2002). Análisis de residuales. Universidad
Nacional de Colombia. Disponible en: http://
www.docentes.unal.edu.co/cmlopera/docs/
Estad2/2_RLM/2.(Complemento)Análisis de
Residuales y Otros en RLM.pdf
Mendoza, H., Vargas, J., López, L. & Bautista, G.
(2002). Métodos de regresión. Bogotá:
Universidad Nacional de Colombia. Disponible
en: http://www.virtual.unal.edu.co/cursos/
ciencias/2007315/
Miller, I. (2000). Estadística matemática conaplicaciones.
(6a ed.). México: Pearson Educación.
Muñoz, R. (2006). Comprobación de los supuestos del
modelo de regresión lineal. Cali: Universidad
Autónoma de Occidente. Disponible en: http://
augusta.uao.edu.co/moodle/file.php/284/18_
supuestos_de_la_regresion_lineal.pdf
Pacheco, P. (2012). Validación de supuestos.
Bogotá. Universidad Nacional de Colombia.
Disponible en: http://www.virtual.unal.edu.
co/cursos/ciencias/dis_exp/und_3/pdf/
validaciondesupuestosunidad 3b[1].pdf
Vilar, J. (2006). Identificación de valores atípicos
y observaciones influyentes. La Coruña:
Universidad de La Coruña. Disponible en: http://
www.udc.es/dep/mate/estadistica2/sec4_6.html
Walpole, R.& Myers, R. (1999). Probabilidad yestadística
para ingenieros. (6a ed.). México: Prentice Hall.